飞行器参考航迹规划方法研究

研究飞行器参考航迹规划优化控制问题,飞行器受到飞行达时间、油耗、威胁和地形环境等因素影响,传统的依靠飞行员的视觉效应,达不到优化的要求,同时飞行航迹实时性差.为了找到最优飞行器参考航迹,在分析当前飞行器航迹规划算法存在问题基础上,提出一种改进遗传算法的航迹规划方案.采用遗传算法对飞行器参考航迹进行全局搜索,快速找到全局最优解区域,并在全局最优区域通过模拟退火算法进行局部搜索,得到最优航迹.仿真结果表明,改进遗传算法能够快速找到最优参考航迹,能很好满足在线实时航迹规划的要求,是一种比较理想的飞行器参考航迹规划算法.     

基于遗传算法的飞行器多航迹规划

提出了基于遗传算法的飞行器多航迹规划方法。该方法设计了一种新的分类评价体系,有效地解决了在约束条件多、部分约束条件互相冲突情况下的航迹评价问题。同时采用实数编码的染色体表示方法和特殊设计的进化算子,所有个体在各自子种群中同时进化。最后每个种群取一条最优航迹从而得到多条航迹。计算机仿真结果证明了该方法的有效性。     

基于遗传算法的UAV自适应航迹规划

根据遗传算法与动态的稀疏A*搜索(Dynamic Sparse A*Search,DASA)算法各自的特点,提出一种组合优化算法来实现在不确定战场环境中自适应航迹规划.在无人机(UAV,Unmanned Aerial Vehicles)飞行前,采用全局搜索能力强的遗传算法进行全局搜索,对从起始点到目标点的飞行航线进行规划,生成全局最优或次优的可行参考飞行航线;在无人机任务执行阶段,以参考飞行航线为基准,采用DASA算法进行在线实时航迹再规划.仿真结果表明,与遗传算法相比,该组合算法不但能生成近似最优解,而且能够满足在线实时应用的要求.     

无人飞行器航迹规划评价方法研究

针对目前航迹规划代价函数权值确定时所存在的不足之处,通过建立航迹代价函数,构造航迹代价函数中各因素的模型,然后利用层次分析法来减小人为确定权值所带来的不利影响;最后在分水岭分割算法所建立的规划空间的基础上,运用遗传算法进行搜索,选取常用的权值与用层次分析法所得到的权值的航迹代价进行比较分析,说明这种确定权值的方法能有效地降低人的主观因素的影响,所规划出的路径更加安全,合理。     

基于遗传算法的巡航式反潜导弹航迹规划

简要介绍了巡航式反潜导弹的工作过程和飞行弹道;针对巡航式反潜导弹的航迹规划问题,概括总结了它的主要特点;确定了巡航式反潜导弹工作空间中威胁区的判定方法和工作空间的建模方法,在传统遗传算子的基础上设计了适合巡航式反潜导弹航迹规划的新的遗传算子,建立了基于遗传算法的巡航式反潜导弹的航迹规划算法;仿真计算结果表明,该算法可有效应用于巡航式反潜导弹的航迹规划;最后提出了进一步研究的重点。     

巡航导弹参考航迹规划算法研究

为了提高巡航导弹的生存能力和杀伤概率,预先规划参考飞行航迹是一个重要的方法.由程序生成规划用数字地图,根据遗传算法的基本思想,采用改进的编码机制对巡航导弹在威胁已知的模拟数字地图上的飞行航迹进行整体规划,航迹种群随机生成,用加入各种威胁和约束条件影响的适应值函数对个体进行评价,通过选择交叉变芹算了使种群进化,最后所得到适应值最高的航迹个体即可作为导掸的参考飞行航迹.通过编程仿真试验,所得参考航迹可以有效的实现地形跟踪、地形威胁回避.算法由于控制参数的限制,得到的最优路径是次优化的;遗传算法的初始种群及控制参数的确定足改善算法寻优性能的主要因素.     

一种基于自适应遗传算法的航迹重规划

航迹重规划技术是保证无人飞行器航行安全的关键技术之一。本文针对遗传算法航迹重规划容易陷入局部最优解的问题展开研究。采用自适应交叉变异概率的遗传算法规划局部航迹,避免了航迹早熟,防止航迹陷入局部最优解。通过仿真实验表明,自适应遗传算法能在模拟环境中规划出满足约束条件的近似最优航迹,提升了遗传算法解决航迹重规划的效能。     

改进量子遗传算法在无人机航迹规划中的应用

研究无人机航迹规划优化问题,有效地规避威胁,可提高无人机的生存能力.但传统量子遗传算法在航迹规划方面局部寻优精度较低、稳定性差.为解决上述问题,提出改进量子遗传算法的无人机航迹规划方法.首先上述算法采用一维编码表示航迹,并对影响有效规避威胁的适应度构造代价模型和惩罚策略;针对量子遗传算法初始种群的单一性,引入关于概率划分的小生境协同进化策略,并对各种群采用动态量子旋转角,并借鉴狼群分配原则对种群进行更新,提高收敛速度;利用精英选择运算,创建精华种群,保留父代中最佳个体.仿真结果表明,上述算法的无人机航迹规划效率高,稳定性好,能够获得平滑的低代价航迹,是一种有效可行的航迹规划算法,且具有一定的推广意义.     

基于差分进化算法的飞行器航迹规划

提出了一种基于差分进化算法的高超声速飞行器航迹规划方法并进行了仿真验证。建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数来逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题。利用差分进化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹。仿真结果表明,生成的航迹自动避开了威胁。     

高超声速飞行器水平航迹规划算法研究

伴随高超声速飞行器的出现,防空系统也变得越来越复杂,为了提高高超声速飞行器在空战中的生存概率,有必要对多约束远程轨迹优化技术进行深入研究.给出了航迹生存概率函数及局部重新规划区域的确定方法,且对变种群遗传算法、稀疏A*变步长搜索算法和动态规划方法进行了研究.并应用这三种改进后的算法对高超声速飞行器的航迹进行了规划,仿真结果表明,变种群遗传算法比较慢,只适合于离线规划,后两种算法应用在离线和在线实时规划时,都能快速的得到令人满意的航迹.     

基于多智能体遗传算法的无人机突防航线规划

针对无人机突防航线规划中需要威胁规避以及低空突防的问题,结合智能体自学习自适应的特点,提出了基于多智能体遗传算法来解决航线规划问题.采用自适应交叉和变异,改进自学习算子中获取下一代智能体的方法,将智能体和遗传算法的优点结合起来,达到了全局最优的效果.通过和传统遗传算法进行仿真比较,相比之下,基于多智能体的遗传算法可以有效规避威胁源,并能实现低空突防的效果,整体所需的航程代价小,运算速度快.     

基于蚁群遗传算法的三维飞行器航路规划

关于飞行器航路优化设计问题,航路规划是任务规划系统的一部分,是飞行器自主控制的关键技术.为了能够快速的寻找到最优航路且得到的航路有更少的制动点,在航路问题描述的基础之上,把蚁群算法和遗传算法相结合,提出了一种蚁群遗传算法的三维航路规划方法.设计了具有方差因子的航路评价函数,给出了一种关于面的规划空间的构造方法,并在规划空间中,进行蚁群遗传算法的种群初始化,所采用的遗传算子,给出了算法的流程.仿真结果证明了算法的正确性和有效性.     

基于遗传算法的飞行航路规划

飞行航路规划是一个大范围多目标多约束的三维规划问题。遗传算法是一种求解复杂问题的通用方法,该文在遗传算法中加入了飞行航路规划的相关知识来求解问题。首先,根据飞行航路规划中导航点属性复杂的特点,扩充导航点的模型,并在此基础上采用导航点链表形式的自由编码。第二,为加速规划的进程,同时保证充分的随机性和广泛性,初始群体构造采用端点启发初始化方法。第三,适应度函数由惩罚函数和代价函数组合计算,其中惩罚函数对应问题的约束条件,而代价函数对应问题的目标。第四,采用启发式交叉和启发式变异。最后,通过剖面优化操作实现高度维上的调整。仿真结果证明这是适于所研究问题的有效方法。     

基于改进蚁群算法的多无人机航路规划研究

无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理.     

一种应用在反舰导弹航路规划中的算法

为了使具有航路规划功能的反舰导弹能够实时规划,减小武器系统的作战反应时间,提出一种信息处理量小、计算迅速的航路规划算法:递推算法.递推算法是在考虑导弹的机动能力和各项约束的条件下,秉承导弹完成转弯所需导航点最少的原则,根据一定的假设条件,由目标位置开始,按攻击方向的反方向,依据平面几何知识,依次递推得到所有导航点位置,直至发射点,从而得到导弹参考航路.仿真结果表明,由该算法得到的参考航路能够满足导弹实时规划要求,而且便于工程实现.     

基于概率地图的军用飞行器航迹规划方法研究

提出了一种基于概率地图的航迹规划方法.文中所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性.在此基础上设计的带权系数的航迹规划算法,可以通过改变权系数的值,实现在寻找较短的航线和寻找具有较小失败概率的航线之间进行权衡,以此反映规划者的主观意图.另外,此方法还能给出航迹的失败概率值,可以作为指挥决策时的一个评价指标.仿真实验证明,该方法能够获得满意的效果.     

基于组合算法的地磁匹配导航航迹规划

研究无人机地磁匹配导航问题,为优化航迹规划,根据地磁匹配导航的特点,针对无人机航迹规划建立了特有的航迹规划模型,并提出利用组合算法对无人机的航迹进行规划.设定地磁基准图中无人机必须经过的航迹点,利用Dijkstra算法求得一条从起始点到目标点的粗选航迹,然后考虑威胁在内的各种代价应用改进“编码”的粒子群算法对粗选航迹进行优化.仿真结果表明组合算法能够克服传统算法易陷入局部最优的缺陷,大大提高了全局搜索能力,验证了组合地磁匹配导航航迹规划的有效可行性.     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径,构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

基于GA的电子侦察卫星任务规划问题研究

电子侦察卫星是现代战争中获取电子情报的重要手段,在快速作战决策方面具有独特的作用.电子侦察卫星任务规划问题是一类重要的任务规划问题,涉及各种复杂的约束条件.首先通过对电子侦察卫星工作原理的分析提出了基本假设和预处理的基本方法,并建立了CSP模型,然后采用遗传算法(GA)对模型进行求解.算法针对电子侦察卫星任务规划的特点设计了符号型编码以及相应的OBC交叉算子及多点交换变异算子.最后采用所设计的遗传算法和简单贪婪算法分别对不同规模的问题进行了求解,实验结果表明算法有效地解决了针对固定目标的电子卫星侦察任务规划问题.